Jedną z dynamik, która moim zdaniem stanie się coraz bardziej istotna w fizycznej AI, jest luka w wdrażaniu między systemami opartymi na uczeniu (większość badań na froncie) a klasycznymi systemami (większość robotów wdrożonych na świecie). Część z tego to opóźnienie czasowe związane z dyfuzją technologii, ale są też elementy strukturalne. Większość infrastruktury wdrożeniowej dla robotów/maszyn (integratorzy, standardy itp.) jest ukierunkowana na klasyczną robotykę i nie jest przystosowana do systemów opartych na uczeniu end-to-end.